Die neue KI von DeepMind, Gato, kann 604 komplexe Aufgaben ausführen, vom Stapeln von Blöcken bis hin zum Schreiben von Gedichten.
Gemäß einem Forschungsteam des zu Google gehörenden Unternehmens, DeepMind, steht das Erreichen der künstliche Intelligenz auf menschlicher Ebene kurz bevor. Nando de Freitas, Forscher bei DeepMind und Professor für maschinelles Lernen an der Universität Oxford, gibt demgemäß bekannt: „das Spiel ist vorbei“. Gemeint ist die jahrzehntelange Suche nach der Verwirklichung künstlicher allgemeiner Intelligenz (AGI). Das Team stellt Gato vor. Das sogenannte multimodale Programm kann mit mehreren Arten von Daten arbeiten, um verschiedene Arten von Aufgaben auszuführen.
DeepMind Technologies ist als eines der führenden KI-Unternehmen bekannt. Es ist eine britische Tochtergesellschaft für künstliche Intelligenz von Alphabet Inc., die im September 2010 ein Forschungslabor gründete. Im Jahr 2014 hat Google dann DeepMind übernommen.
Das Unternehmen hat seinen Sitz in London und verfügt derzeit über Forschungszentren in Kanada, Frankreich und den Vereinigten Staaten. Es konzentriert sich darauf, mit verschiedenen Programmen neue Ideen und Fortschritte einzubringen. Und dies in den Bereichen maschinelles Lernen, Engineering, Simulation und Computerinfrastruktur.
DeepMind-Forscher auf dem Weg, künstliche Intelligenz der menschlichen anzunähern
Die DeepMind-Forscher erklären aktuell, dass die schwierigsten Aufgaben zur Schaffung einer menschenähnlichen KI bereits gelöst sind. Das Londoner Unternehmen will sich dem Ziel angenähert haben, eine „AGI“ zu entwickeln, die die gleiche Intelligenz wie der Mensch besitzt.
In dieser Woche stellte DeepMind in einer Forschungsarbeit ein Programm vor, das in der Lage ist, bereits 604 Aufgaben zu bewältigen. Gato wird von DeepMind als „Allzweck“-System bezeichnet, ein System, dem man viele verschiedene Arten von Aufgaben beibringen kann.
Das Forschungsteam gab bekannt, man hätte Gato mit einer großen Anzahl von Datensätzen trainiert, die neben einer Vielzahl von Datensätzen mit natürlicher Sprache und Bildern „Erfahrungen von Agenten in simulierten und realen Umgebungen“ umfassen.
Scott Reed, ein Forscher bei DeepMind und einer der Mitarbeiter an Gato, und sein Team geben in ihrem Artikel „A Generalist Agent“ einen Einblick in ihre Arbeit. DeepMind-Mitbegründer Demis Hassabis befeuerte das Team in einem Twitter-Tweet: „Unser bisher umfassendster Agent!! Fantastische Arbeit vom Team!“
Ein Agent übernehme Hunderte verschiedener Arbeiten
Gegenüber TechCrunch führt Scott Reed aus:
„Die meisten aktuellen KI-Systeme arbeiten jeweils an einer einzigen Aufgabe oder einem engen Bereich. Die Bedeutung dieser Arbeit liegt vor allem darin, dass ein Agent mit einem [Modell] Hunderte von sehr unterschiedlichen Aufgaben erledigen kann.“
Die DeepMind-Forscher gehen dabei von der Hypothese aus, dass es möglich ist, einen Agenten zu trainieren, der allgemein für eine große Anzahl von Aufgaben geeignet ist. Dieser allgemeine Agent könne mit wenigen zusätzlichen Daten so angepasst werden, dass er dann bei einer noch größeren Anzahl von Aufgaben erfolgreich ist.
Gemäß Nando de Freitas sind nun die schwierigsten Herausforderungen im Wettlauf um die Erreichung künstlicher allgemeiner Intelligenz (AGI) nunmehr gelöst. AGI bezieht sich auf eine Maschine oder ein Programm, das in der Lage ist, jede intellektuelle Aufgabe zu verstehen oder zu erlernen, die ein Mensch erledigen kann. Gato von DeepMind kann beispeilsweise Atari-Spiele spielen und mit Menschen chatten.
Die Multimodalität ergebe sich aus der Tatsache, dass Gato auch Atari-Spiele auf menschlichem Niveau spielen könne. Er kann zudem reale Aufgaben, wie die Steuerung von Roboterarmen zur präzisen Bewegung von Objekten, erledigen. Gato versteht Worte, Bilder und sogar Physik.
DeepMind: Gato kann infolge Aufgaben von Menschen übernehmen
Das Team hinter Gato behauptet, dass es Menschen bei vielen dieser Aufgaben sogar übertreffen kann. Laut DeepMind ist Gato bemerkenswert, weil es den Weg für die Schaffung eines generalistischen KI-Systems ebnet, das in der Lage ist, viele der Aufgaben zu erfüllen, die Menschen bewältigen können.
Kritipunkt bezieht sich auf unpräzises Arbeiten
Der einzige bisherige Kritikpunkt wäre, dass Gato bei einigen Aufgaben nicht so präzise arbeitet. Einerseits kann das Programm besser als ein dediziertes maschinelles Lernprogramm einen Sawyer-Roboterarm steuern, der Blöcke stapelt. Andererseits erzeugt es Bildunterschriften, die in vielen Fällen ziemlich schlecht sind. Seine Fähigkeit zum Standard-Chat-Dialog mit einem menschlichen Gesprächspartner ist ähnlich mittelmäßig und führt manchmal zu widersprüchlichen und unsinnigen Äußerungen. Auch das Abspielen von Atari 2600-Videospielen liegt unter dem der meisten dedizierten ML-Programme.
Allerdings besteht die Erwartung, dass zunehmende Mengen an Rechenleistung in Zukunft die Mängel ausgleichen werden. In einer These schreiben Reed und sein Team:
„Wir konzentrieren unser Training auf den Betriebspunkt der Modellskala, der die Echtzeitsteuerung von Robotern in der realen Welt ermöglicht, im Fall von Gato derzeit etwa 1,2B Parameter. Mit der Verbesserung der Hardware und der Modellarchitekturen wird dieser Betriebspunkt natürlich die realisierbare Modellgröße erhöhen. Dadurch werden generalistische Modelle auf der Kurve der Skalierungsgesetze weiter nach oben gedrückt.“
